原文地址:http://ifeve.com/how-to-calculate-threadpool-size/
感谢网友【蒋小强】投稿。
如何合理地估算线程池大小?
这个问题虽然看起来很小,却并不那么容易回答。大家如果有更好的方法欢迎赐教,先来一个天真的估算方法:假设要求一个系统的TPS(Transaction Per Second或者Task Per Second)至少为20,然后假设每个Transaction由一个线程完成,继续假设平均每个线程处理一个Transaction的时间为4s。那么问题转化为:
如何设计线程池大小,使得可以在1s内处理完20个Transaction?
计算过程很简单,每个线程的处理能力为0.25TPS,那么要达到20TPS,显然需要20/0.25=80个线程。
很显然这个估算方法很天真,因为它没有考虑到CPU数目。一般服务器的CPU核数为16或者32,如果有80个线程,那么肯定会带来太多不必要的线程上下文切换开销。
再来第二种简单的但不知是否可行的方法(N为CPU总核数):
- 如果是CPU密集型应用,则线程池大小设置为N+1
- 如果是IO密集型应用,则线程池大小设置为2N+1
如果一台服务器上只部署这一个应用并且只有这一个线程池,那么这种估算或许合理,具体还需自行测试验证。
接下来在这个文档:服务器性能IO优化 中发现一个估算公式:
1 |
最佳线程数目 = ((线程等待时间+线程CPU时间)/线程CPU时间 )* CPU数目 |
比如平均每个线程CPU运行时间为0.5s,而线程等待时间(非CPU运行时间,比如IO)为1.5s,CPU核心数为8,那么根据上面这个公式估算得到:((0.5+1.5)/0.5)*8=32。这个公式进一步转化为:
1 |
最佳线程数目 = (线程等待时间与线程CPU时间之比 + 1)* CPU数目 |
可以得出一个结论:
线程等待时间所占比例越高,需要越多线程。线程CPU时间所占比例越高,需要越少线程。
上一种估算方法也和这个结论相合。
一个系统最快的部分是CPU,所以决定一个系统吞吐量上限的是CPU。增强CPU处理能力,可以提高系统吞吐量上限。但根据短板效应,真实的系统吞吐量并不能单纯根据CPU来计算。那要提高系统吞吐量,就需要从“系统短板”(比如网络延迟、IO)着手:
- 尽量提高短板操作的并行化比率,比如多线程下载技术
- 增强短板能力,比如用NIO替代IO
第一条可以联系到Amdahl定律,这条定律定义了串行系统并行化后的加速比计算公式:
1 |
加速比=优化前系统耗时 / 优化后系统耗时 |
加速比越大,表明系统并行化的优化效果越好。Addahl定律还给出了系统并行度、CPU数目和加速比的关系,加速比为Speedup,系统串行化比率(指串行执行代码所占比率)为F,CPU数目为N:
1 |
Speedup <= 1 / (F + ( 1 -F)/N)
|
当N足够大时,串行化比率F越小,加速比Speedup越大。
写到这里,我突然冒出一个问题。
是否使用线程池就一定比使用单线程高效呢?
答案是否定的,比如Redis就是单线程的,但它却非常高效,基本操作都能达到十万量级/s。从线程这个角度来看,部分原因在于:
- 多线程带来线程上下文切换开销,单线程就没有这种开销
- 锁
当然“Redis很快”更本质的原因在于:Redis基本都是内存操作,这种情况下单线程可以很高效地利用CPU。而多线程适用场景一般是:存在相当比例的IO和网络操作。
所以即使有上面的简单估算方法,也许看似合理,但实际上也未必合理,都需要结合系统真实情况(比如是IO密集型或者是CPU密集型或者是纯内存操作)和硬件环境(CPU、内存、硬盘读写速度、网络状况等)来不断尝试达到一个符合实际的合理估算值。
最后来一个“Dark Magic”估算方法(因为我暂时还没有搞懂它的原理),使用下面的类:
001 |
package pool_size_calculate;
|
002 |
003 |
import java.math.BigDecimal;
|
004 |
import java.math.RoundingMode;
|
005 |
import java.util.Timer;
|
006 |
import java.util.TimerTask;
|
007 |
import java.util.concurrent.BlockingQueue;
|
008 |
009 |
/** |
010 |
* A class that calculates the optimal thread pool boundaries. It takes the
|
011 |
* desired target utilization and the desired work queue memory consumption as
|
012 |
* input and retuns thread count and work queue capacity.
|
013 |
*
|
014 |
* @author Niklas Schlimm
|
015 |
*
|
016 |
*/
|
017 |
public abstract class PoolSizeCalculator {
|
018 |
019 |
/**
|
020 |
* The sample queue size to calculate the size of a single {@link Runnable}
|
021 |
* element.
|
022 |
*/
|
023 |
private final int SAMPLE_QUEUE_SIZE = 1000 ;
|
024 |
025 |
/**
|
026 |
* Accuracy of test run. It must finish within 20ms of the testTime
|
027 |
* otherwise we retry the test. This could be configurable.
|
028 |
*/
|
029 |
private final int EPSYLON = 20 ;
|
030 |
031 |
/**
|
032 |
* Control variable for the CPU time investigation.
|
033 |
*/
|
034 |
private volatile boolean expired;
|
035 |
036 |
/**
|
037 |
* Time (millis) of the test run in the CPU time calculation.
|
038 |
*/
|
039 |
private final long testtime = 3000 ;
|
040 |
041 |
/**
|
042 |
* Calculates the boundaries of a thread pool for a given {@link Runnable}.
|
043 |
*
|
044 |
* @param targetUtilization
|
045 |
* the desired utilization of the CPUs (0 <= targetUtilization <= * 1) * @param targetQueueSizeBytes * the desired maximum work queue size of the thread pool (bytes) */ protected void calculateBoundaries(BigDecimal targetUtilization, BigDecimal targetQueueSizeBytes) { calculateOptimalCapacity(targetQueueSizeBytes); Runnable task = creatTask(); start(task); start(task); // warm up phase long cputime = getCurrentThreadCPUTime(); start(task); // test intervall cputime = getCurrentThreadCPUTime() - cputime; long waittime = (testtime * 1000000) - cputime; calculateOptimalThreadCount(cputime, waittime, targetUtilization); } private void calculateOptimalCapacity(BigDecimal targetQueueSizeBytes) { long mem = calculateMemoryUsage(); BigDecimal queueCapacity = targetQueueSizeBytes.divide(new BigDecimal( mem), RoundingMode.HALF_UP); System.out.println("Target queue memory usage (bytes): " + targetQueueSizeBytes); System.out.println("createTask() produced " + creatTask().getClass().getName() + " which took " + mem + " bytes in a queue"); System.out.println("Formula: " + targetQueueSizeBytes + " / " + mem); System.out.println("* Recommended queue capacity (bytes): " + queueCapacity); } /** * Brian Goetz' optimal thread count formula, see 'Java Concurrency in * Practice' (chapter 8.2) * * @param cpu * cpu time consumed by considered task * @param wait * wait time of considered task * @param targetUtilization * target utilization of the system */ private void calculateOptimalThreadCount(long cpu, long wait, BigDecimal targetUtilization) { BigDecimal waitTime = new BigDecimal(wait); BigDecimal computeTime = new BigDecimal(cpu); BigDecimal numberOfCPU = new BigDecimal(Runtime.getRuntime() .availableProcessors()); BigDecimal optimalthreadcount = numberOfCPU.multiply(targetUtilization) .multiply( new BigDecimal(1).add(waitTime.divide(computeTime, RoundingMode.HALF_UP))); System.out.println("Number of CPU: " + numberOfCPU); System.out.println("Target utilization: " + targetUtilization); System.out.println("Elapsed time (nanos): " + (testtime * 1000000)); System.out.println("Compute time (nanos): " + cpu); System.out.println("Wait time (nanos): " + wait); System.out.println("Formula: " + numberOfCPU + " * " + targetUtilization + " * (1 + " + waitTime + " / " + computeTime + ")"); System.out.println("* Optimal thread count: " + optimalthreadcount); } /** * Runs the {@link Runnable} over a period defined in {@link #testtime}. * Based on Heinz Kabbutz' ideas * (http://www.javaspecialists.eu/archive/Issue124.html). * * @param task * the runnable under investigation */ public void start(Runnable task) { long start = 0; int runs = 0; do { if (++runs > 5) {
|
046 |
throw new IllegalStateException( "Test not accurate" );
|
047 |
}
|
048 |
expired = false ;
|
049 |
start = System.currentTimeMillis();
|
050 |
Timer timer = new Timer();
|
051 |
timer.schedule( new TimerTask() {
|
052 |
public void run() {
|
053 |
expired = true ;
|
054 |
}
|
055 |
}, testtime);
|
056 |
while (!expired) {
|
057 |
task.run();
|
058 |
}
|
059 |
start = System.currentTimeMillis() - start;
|
060 |
timer.cancel();
|
061 |
} while (Math.abs(start - testtime) > EPSYLON);
|
062 |
collectGarbage( 3 );
|
063 |
}
|
064 |
065 |
private void collectGarbage( int times) {
|
066 |
for ( int i = 0 ; i < times; i++) {
|
067 |
System.gc();
|
068 |
try {
|
069 |
Thread.sleep( 10 );
|
070 |
} catch (InterruptedException e) {
|
071 |
Thread.currentThread().interrupt();
|
072 |
break ;
|
073 |
}
|
074 |
}
|
075 |
}
|
076 |
077 |
/**
|
078 |
* Calculates the memory usage of a single element in a work queue. Based on
|
079 |
* Heinz Kabbutz' ideas
|
081 |
*
|
082 |
* @return memory usage of a single {@link Runnable} element in the thread
|
083 |
* pools work queue
|
084 |
*/
|
085 |
public long calculateMemoryUsage() {
|
086 |
BlockingQueue queue = createWorkQueue();
|
087 |
for ( int i = 0 ; i < SAMPLE_QUEUE_SIZE; i++) {
|
088 |
queue.add(creatTask());
|
089 |
}
|
090 |
long mem0 = Runtime.getRuntime().totalMemory()
|
091 |
- Runtime.getRuntime().freeMemory();
|
092 |
long mem1 = Runtime.getRuntime().totalMemory()
|
093 |
- Runtime.getRuntime().freeMemory();
|
094 |
queue = null ;
|
095 |
collectGarbage( 15 );
|
096 |
mem0 = Runtime.getRuntime().totalMemory()
|
097 |
- Runtime.getRuntime().freeMemory();
|
098 |
queue = createWorkQueue();
|
099 |
for ( int i = 0 ; i < SAMPLE_QUEUE_SIZE; i++) {
|
100 |
queue.add(creatTask());
|
101 |
}
|
102 |
collectGarbage( 15 );
|
103 |
mem1 = Runtime.getRuntime().totalMemory()
|
104 |
- Runtime.getRuntime().freeMemory();
|
105 |
return (mem1 - mem0) / SAMPLE_QUEUE_SIZE;
|
106 |
}
|
107 |
108 |
/**
|
109 |
* Create your runnable task here.
|
110 |
*
|
111 |
* @return an instance of your runnable task under investigation
|
112 |
*/
|
113 |
protected abstract Runnable creatTask();
|
114 |
115 |
/**
|
116 |
* Return an instance of the queue used in the thread pool.
|
117 |
*
|
118 |
* @return queue instance
|
119 |
*/
|
120 |
protected abstract BlockingQueue createWorkQueue();
|
121 |
122 |
/**
|
123 |
* Calculate current cpu time. Various frameworks may be used here,
|
124 |
* depending on the operating system in use. (e.g.
|
125 |
* http://www.hyperic.com/products/sigar). The more accurate the CPU time
|
126 |
* measurement, the more accurate the results for thread count boundaries.
|
127 |
*
|
128 |
* @return current cpu time of current thread
|
129 |
*/
|
130 |
protected abstract long getCurrentThreadCPUTime();
|
131 |
132 |
} |
然后自己继承这个抽象类并实现它的三个抽象方法,比如下面是我写的一个示例(任务是请求网络数据),其中我指定期望CPU利用率为1.0(即100%),任务队列总大小不超过100,000字节:
01 |
package pool_size_calculate;
|
02 |
03 |
import java.io.BufferedReader;
|
04 |
import java.io.IOException;
|
05 |
import java.io.InputStreamReader;
|
06 |
import java.lang.management.ManagementFactory;
|
07 |
import java.math.BigDecimal;
|
08 |
import java.net.HttpURLConnection;
|
09 |
import java.net.URL;
|
10 |
import java.util.concurrent.BlockingQueue;
|
11 |
import java.util.concurrent.LinkedBlockingQueue;
|
12 |
13 |
public class SimplePoolSizeCaculatorImpl extends PoolSizeCalculator {
|
14 |
15 |
@Override
|
16 |
protected Runnable creatTask() {
|
17 |
return new AsyncIOTask();
|
18 |
}
|
19 |
20 |
@Override
|
21 |
protected BlockingQueue createWorkQueue() {
|
22 |
return new LinkedBlockingQueue( 1000 );
|
23 |
}
|
24 |
25 |
@Override
|
26 |
protected long getCurrentThreadCPUTime() {
|
27 |
return ManagementFactory.getThreadMXBean().getCurrentThreadCpuTime();
|
28 |
}
|
29 |
30 |
public static void main(String[] args) {
|
31 |
PoolSizeCalculator poolSizeCalculator = new SimplePoolSizeCaculatorImpl();
|
32 |
poolSizeCalculator.calculateBoundaries( new BigDecimal( 1.0 ), new BigDecimal( 100000 ));
|
33 |
}
|
34 |
35 |
} |
36 |
37 |
/** |
38 |
* 自定义的异步IO任务
|
39 |
* @author Will
|
40 |
*
|
41 |
*/
|
42 |
class AsyncIOTask implements Runnable {
|
43 |
44 |
@Override
|
45 |
public void run() {
|
46 |
HttpURLConnection connection = null ;
|
47 |
BufferedReader reader = null ;
|
48 |
try {
|
49 |
String getURL = "http://baidu.com" ;
|
50 |
URL getUrl = new URL(getURL);
|
51 |
52 |
connection = (HttpURLConnection) getUrl.openConnection();
|
53 |
connection.connect();
|
54 |
reader = new BufferedReader( new InputStreamReader(
|
55 |
connection.getInputStream()));
|
56 |
57 |
String line;
|
58 |
while ((line = reader.readLine()) != null ) {
|
59 |
// empty loop
|
60 |
}
|
61 |
}
|
62 |
63 |
catch (IOException e) {
|
64 |
65 |
} finally {
|
66 |
if (reader != null ) {
|
67 |
try {
|
68 |
reader.close();
|
69 |
}
|
70 |
catch (Exception e) {
|
71 |
72 |
}
|
73 |
}
|
74 |
connection.disconnect();
|
75 |
}
|
76 |
77 |
}
|
78 |
79 |
} |
得到的输出如下:
01 |
Target queue memory usage (bytes): 100000 |
02 |
createTask() produced pool_size_calculate.AsyncIOTask which took 40 bytes in a queue |
03 |
Formula: 100000 / 40 |
04 |
* Recommended queue capacity (bytes): 2500 |
05 |
Number of CPU: 4 |
06 |
Target utilization: 1 |
07 |
Elapsed time (nanos): 3000000000 |
08 |
Compute time (nanos): 47181000 |
09 |
Wait time (nanos): 2952819000 |
10 |
Formula: 4 * 1 * (1 + 2952819000 / 47181000) |
11 |
* Optimal thread count: 256 |
推荐的任务队列大小为2500,线程数为256,有点出乎意料之外。我可以如下构造一个线程池:
1 |
ThreadPoolExecutor pool = |
2 |
new ThreadPoolExecutor( 256 , 256 , 0L, TimeUnit.MILLISECONDS, new LinkedBlockingQueue( 2500 ));
|
相关推荐
在Java中,可以使用`java.lang.Runtime.getRuntime().availableProcessors()`获取当前系统的CPU核心数,作为估算线程池大小的基础。此外,还可以通过监控和压力测试,结合实际工作负载情况,逐步调整线程池大小,...
本文将深入探讨`ThreadPoolExecutor`类及其构造方法,以及如何合理配置线程池大小。 `ThreadPoolExecutor`类提供了四个构造方法,它们的主要区别在于是否指定了`ThreadFactory`和`RejectedExecutionHandler`。所有...
- 设置合适的服务器启动参数,比如最大线程池大小、会话超时时间等。 - 优化连接器配置,如HTTP、IIOP等,以减少网络延迟和提高吞吐量。 - 使用集群和负载均衡策略,提高可用性和性能。 - 监控和调整WebLogic的...
- 通过索引统计信息的更新,确保SQL Server能够准确估算查询计划,避免因统计信息过时导致的低效执行计划。 2. **查询优化**: - 学习编写高效的T-SQL语句,避免使用嵌套循环和不必要的子查询。使用JOINs代替子...
尽管可以通过一些复杂的公式来估算MySQL所需的内存大小,但这些计算结果往往只是理论上的最大值,并不代表实际运行时的真实情况。不同的应用程序对内存的需求差异很大,有的应用可能只需要占用理论内存需求的一小...
2. 初始化HashMap的容量大小:在创建HashMap时,建议设置一个合理的初始容量,这样做可以减少哈希表在动态扩展容量时发生的性能损耗。通过预先估算元素的数量,可以设定一个接近实际需要的容量值,从而提高HashMap的...
使用LruCache时,我们需要指定缓存的最大容量,通常是根据设备的内存大小进行估算。一旦缓存对象数量超过设定值,LruCache会自动移除最不常用的对象。创建LruCache实例时,可以使用构造函数`LruCache(int maxSize)`...
在这个程序中,可能使用了一种名为蒙特卡洛方法的统计技术来估算π。这种方法的基本思想是随机投点,通过统计落在单位圆内的点的比例,反推π的值,因为理论上这个比例等于π/4。 蒙特卡洛方法的并行化主要体现在将...
通过记录对象创建前后剩余内存的变化量,可以估算对象占用的内存大小。 2. **时间测试方法**:使用`java.lang.System`类中的`currentTimeMillis()`方法来测量程序执行的时间。记录程序开始执行的时间戳,然后记录...
- **缓冲池与缓存**:了解MySQL的查询缓存、线程池、排序缓冲区、临时表空间等,根据服务器资源合理配置内存使用。 - **内存调整**:通过参数如innodb_buffer_pool_size, key_buffer_size等调整内存使用策略。 4....
- **仪表盘和分析应用程序的常规参数**:这些参数包括但不限于内存分配、线程池大小等,它们直接影响着系统的性能表现。 - **服务器高速缓存参数**:为了提高数据访问速度和减少数据库负载,需要合理设置高速缓存...